机器学习和数据科学

机器学习确实以超乎想象的方式塑造了世界。环顾四周，您会发现自己沉浸在数据科学的世界中，以 Alexa 为例，亚马逊精心打造的用户友好型 AI，而 Alexa 不是唯一的，还有更多这样的 AI，例如 Google Assistant， Cortana 等。那么，它们是如何开发的，最关键的问题是，为什么要开发它们？好吧，我们将尝试深入研究所有此类问题，并且还会提出一些非常合理但技术性的答案。这里的第一个也是最重要的问题是什么是机器学习和数据科学？

数据科学

许多人认为数据科学是机器学习的超集。好吧，这些人是部分正确的，因为数据科学不过是大量数据，然后将机器学习算法、方法、技术应用于这些数据。因此，要掌握数据科学，您应该是数学、统计学以及学科专业知识方面的专家。那么，什么是学科专业知识？顾名思义，学科专业知识只不过是关于能够抽象和计算相同领域的知识。所以基本上这三个概念被认为是数据科学的基石，如果你设法在所有这些方面都取得了成功，那么恭喜你自己，因为你是一名 A 级数据科学家。让我们借助 Hugh Conway 策划的图表来理解这一点。

现在，您已经熟悉了数据科学这个术语及其组成部分。所以，如果这点燃了你追求这个领域作为职业的火花，那么你可能需要注意几件事！要成为一名数据科学家，您需要在三个突出领域拥有丰富的知识，即分析、编程和领域知识。但是您会发现，仅仅因为您拥有一定的知识，就无法掌握数据科学，但是您还需要关键技能，并且要培养出您的数据科学家并磨练您的技能，您可以练习一些技能，其中将在您的旅程中为您提供帮助：

专家级Python技能、SAS、R、SCALA
SQL 编码方面的实践专业知识。
处理非结构化数据的能力和能力。
能够理解各种分析功能。
最后但并非最不重要的机器学习知识

机器学习

正如我们所说，机器学习可以说是数据科学的一个子集，但定义并没有到此结束。一个非常简单合理的机器学习可能是机器学习提供提取数据的技术，然后附加各种方法从收集的数据中学习，然后借助一些定义明确的算法来预测数据的未来趋势。

机器学习或传统机器学习的核心围绕发现模式，然后掌握可用数据的隐藏见解。好吧，这就是机器学习的详细定义，但我们如何证明这个定义的合理性？在这种情况下，一个真实的功能示例被证明非常好，这里的示例就是 GOOGLE。谷歌是机器学习的典型例子，因为 GOOGLE 会记录您进行的搜索次数，然后在您将来使用谷歌搜索时建议您进行类似的搜索。同样，亚马逊根据您以前的搜索推荐您的产品，NETFLIX 也是如此，根据您观看的电视节目或电影，您会得到类似类型的建议。

现在已经不是一个未知的事实，机器学习的领域在全球范围内呈指数级增长，所以如果你想在这个领域从事职业，有一些技能对你来说是胜过这个领域的关键。

良好的计算机基础知识。
精通编程技能。
大量关于概率和统计的知识。
您还需要提高数据建模技能。